【技术实现步骤摘要】
本专利技术涉及神经网络领域，具体来说涉及匿名轨迹信息识别领域，更具体地说，涉及一种用于匿名时空轨迹识别的模型。
技术介绍
1、匿名轨迹识别技术最相关的研究方向为轨迹用户链接(trajectory-userlinking)，这是将轨迹连接到生成它们的匿名用户的技术。匿名轨迹识别技术目前主要有两种类型的解决方案，包括传统的基于轨迹相似性的研究和基于深度学习的模型。
2、传统基于轨迹相似性的研究通常基于数理统计方法来寻找轨迹中的空间信息统计特征，例如深度贝叶斯网络（简称dbn）、隐马尔可夫模型（简称hmm）和最长公共子序列（简称lcss）等等。然而，传统方案需要研究人员基于领域知识，利用特征工程对轨迹中的空间信息进行差异化的表征，再提供数理统计方法对这些数据进行分析，该类型的方法往往无法有效解决大型轨迹数据集中遇到的轨迹表示中的线性不可区分性和噪声问题，并且在准确性方面这是成对点匹配相似性计算面临的普遍困难。
3、相较于统计学方法和机器学习技术，深度学习因其出色的非线性建模能力和对空间关系的深入分析而受到了广泛关注。匿...
【技术保护点】
1.一种用于匿名时空轨迹识别的模型，其特征在于，所述模型包括：
2.根据权利要求1所述的模型，其特征在于，所述轨迹空间信息提取模块包括：
3.根据权利要求1所述的模型，其特征在于，所述多个签到记录中每个签到记录包括时间戳和地理位置，所述原始轨迹图构建模块中，构建原始轨迹图的方式包括：
4.根据权利要求3所述的模型，其特征在于，所述多尺度轨迹图构建模块包括：
5.根据权利要求4所述的模型，其特征在于，所述边构建单元中，预设边构建规则包括：
6.根据权利要求1所述的模型，其特征在于，所述轨迹识别模块包括：
...【技术特征摘要】
1.一种用于匿名时空轨迹识别的模型，其特征在于，所述模型包括：
2.根据权利要求1所述的模型，其特征在于，所述轨迹空间信息提取模块包括：
3.根据权利要求1所述的模型，其特征在于，所述多个签到记录中每个签到记录包括时间戳和地理位置，所述原始轨迹图构建模块中，构建原始轨迹图的方式包括：
4.根据权利要求3所述的模型，其特征在于，所述多尺度轨迹图构建模块包括：
5.根据权利要求4所述的模型，其特征在于，所述边...
【专利技术属性】
技术研发人员：孙涛，李雨杰，钱塘文，陈昭，杜一凡，邵泽志，徐勇军，王飞，
申请(专利权)人：中国科学院计算技术研究所，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。